English

CIn - Centro de Informática UFPE




Eventos Relacionados

Defesa de Dissertação de Mestrado Nº 1.432: "Acurácia de previsões para vazão em redes: Um comparativo entre ARIMA, GARCH e RNA"

O aluno Felipe Machado Duarte irá defender seu trabalho dia 29 de agosto, às 10h, no Auditório do CIn. Início: 29/08/2014 às 10:00 Término: 29/08/2014 às 12:00 Local: Auditório do CIn

Pós-Graduação em Ciência da Computação - UFPE
Defesa de Dissertação de Mestrado Nº 1.432

Aluno: Felipe Machado Duarte
Orientador: Prof.Stênio Flávio de Lacerda Fernandes
Título: Acurácia de previsões para vazão em redes: Um comparativo entre ARIMA, GARCH e RNA
Data: 29/08/2014
Hora/Local: 10h - Auditório 
Banca Examinadora:
Prof. Djamel Fawzi Hadj Sadok  (UFPE / CIn)
Prof. Ramide Augusto Sales Dantas (IFPE / Análise e Desenvolvimento de Sistemas)
Prof. Stênio Flávio de Lacerda Fernandes (UFPE / CIn)
RESUMO:

Com a evolução da internet, causada por mudanças de paradigma como a internet das coisas, por exemplo, novas demandas tecnológicas surgem em consequência do crescimento do número de dispositivos conectados. Um dos novos desafios que vieram junto a esta demanda é gerenciar esta rede em expansão, de maneira a garantir conectividade aos dispositivos que a integram. Um dos aspectos que merecem atenção no gerenciamento da rede é o provisionamento da largura de banda, que deve ser realizado de maneira a evitar o desperdício de banda, sem por outro lado comprometer a conectividade ao restringi-la demais. No entanto, balancear esta equação não é uma tarefa simples, pois o tráfego de dados na rede é bastante complexo e exibe componentes, como a volatilidade, que tornam difícil a sua modelagem. Já há algum tempo, estudos são publicados apresentando a utilização de ferramentas de análise de séries temporais para prever a vazão de dados em redes de computadores, e entre as técnicas aplicadas com mais sucesso estão os modelos ARIMA, GARCH e Redes Neurais Artificiais (RNA). Embora estas técnicas tenham sido discutidas como alternativa para modelar dados de tráfego de redes, pouco material está disponível sobre a comparação de suas acurácias. Desta forma, neste estudo foi realizada a comparação das acurácias dos modelos ARIMA, GARCH e RNA. Esta avaliação foi realizada em cenários configurados em diferentes granularidades de tempo e para múltiplos horizontes de previsão. Para cada um destes cenários foram ajustados modelos ARIMA, GARCH e RNA, e a validação das métricas de acurácia se deu através do Rolling Forecast Horizin. Os resultados obtidos mostraram que a RNA exibiu melhor acurácia em grande parte dos cenários propostos, chegando a exibir MAPE até 46% menor que as previsões geradas pelos modelos ARIMA e GARCH. No entanto, na presença de alta volatilidade, o GARCH foi o modelo com melhor desempenho, exibindo MAPE até 25% menores que os outros modelos estudados. Os resultados deste trabalho servem de auxílio para a área de gerenciamento de redes, em especial a tarefa de provisionamento de largura de banda de tráfego, pois trazem mais informações sobre os desempenhos dos modelos ARIMA, GARCH e RNA ao gerar previsões para este tipo de tráfego.
Palavras-chave: Previsão de tráfego em redes, ARIMA, GARCH, Redes Neurais Artificiais 
  • © Centro de Informática UFPE - Todos os direitos reservados
    Tel +55 81 2126.8430 - Cidade Universitária - 50740-560 - Recife/PE
Plano4 Consultoria Web